AI与全民开发:挑战和机会并存

简介: 无可否认,AI有着巨大潜力,但也有其局限性。即使这些局限性并非无法克服,却也凸显了继续进行教育、研究和开发的必要性,以确保AI能够在千行百业高效应用,将是属于全民开发的新时代。
 注:全民开发的英文是Citizen Development,由咨询公司Gartner在2010年提出的概念,指非专业开发人员使用低代码或无代码平台创建应用程序,无需IT部门的支持,旨在提高生产力并降低开发成本。 

国内普遍将Citizen Development翻译为公民开发,但草料二维码认为Citizen Development并不一种技术,而是一种工作模式和规范,应该被翻译为全民开发,即每一个懂业务的人都可以成为开发者。 

以下是知名科技媒体Silicon Republic的观点文章,草料二维码编译。

外界普遍在“炒作”人工智能时,爱尔兰国立戈尔韦大学的Noel Carroll博士提出了另一种看法,即无代码开发者怎么享受AI技术的红利。

古希腊时的哲学家和科学家,就已经开始对人类的智力和推理能力、人类如何做出决策与论证等进行争论。人工智能作为我们这个时代最重要的科技进步之一,可能改变我们的生活方式、工作方式以及和外界的互动方式。

ChatGPT、ChatSonic、Google Bard AI等新事物的出现,引发了广泛讨论,有人好奇、兴奋,也有人恐惧、焦虑。尽管现阶段的AI能力很强大,但并非无所不能,也有其局限性。我们应该理性认识人工智能的能力,特别是一些短板和局限,深刻认识到人与AI协同创新的重要性。
AI的局限性

现阶段AI最大的短板之一就是无法复制人类的直觉和创造力。 虽然AI可以分析大量数据,根据一组指令提供见解或构建凸显,但缺乏基于直觉和经验做出判断的能力,而这是人类决策的一个鲜明特征。在艺术、音乐和写作领域尤为明显,虽然能生成让人印象深刻的答案,却缺乏人类的深度和创造力。

因为AI算法需要大量数据才能有效运行,而数据质量直接影响着AI回答的准确性,不完整或者有偏见的数据可能产生错误的结论。如果没有合理的数据标准,人工智能很难识别出数据中的因果关系。

除此之外,算法还可能被对抗性例子所欺骗,通过对样本数据进行微调来欺骗系统。同时外界对于算法偏见,或者说人工智能偏见的担忧不断增长,其实算法所表现出的偏见常常是人类的偏见。

人工智能还存在无法解释决策或推理的局限。很多人工智能算法是基于深度学习训练的,需要在大量数据上训练神经网络,虽然这种方法很有效,但很难理解人工智能是如何得出特定结论或建议的,缺乏足够大的透明度。特别是在医疗应用中,人工智能所做的决定可能会产生生死攸关的后果。

目前AI无法理解数据背后的上下文和含义。比如一个AI系统也许能够识别句子中的单词,可能无法理解文本背后的细微差别或讽刺,这可能导致误解和错误,在自然语言处理和情感分析等场景中尤为常见。

值得注意的是,ChatGPT是一个采用Transformer模型架构的大型语言模型。Transformer是一种深度学习模型,它采用了自注意力机制,可以对输入数据的每一部分的重要性进行差异化加权。

AI还受限于它可以执行的任务的复杂性。尽管人工智能在过去几年中取得了长足进步,但推理和决策能力仍然有限。举个例子,虽然AI系统可以识别图像中的物体,但难于理解物品在场景中的意义。

最后,人工智能由于缺乏常识而收到限制。就像AI可以识别图像,无法理解其用途或含义;可以将文本从一种语言翻译为另一种语言,却难以理解背后的文化差异,对非母语人士来说仍然有挑战性。
AI人才的挑战

对于想要跟上AI创新步伐的组织来说,最大的挑战在于AI人才的招聘。招聘人才面临许多挑战,包括但不限于:

对高素质专业AI人才的需求很大,而人才供应尚未跟上;

人工智能是个复杂领域,需要机器学习、深度学习、自然语言处理、数据分析等方面的专业知识,寻找合适的候选人更有挑战性;

AI人才需求量大,其他企业可能会给出更有吸引力的薪酬和机会;

人工智能行业缺乏多样性,比如女性在人工智能角色中的短缺;

成为专业AI人才需要长时间的培训和教育,可能会让弱势背景的人才难以进入该领域,加剧多样性的问题。

为了应对这些挑战,企业需要重新评估他们的招聘方案,以吸引大屏多样性的候选人,并提供有竞争力的薪酬和成长机会。
全民开发

在某些情况下,企业需要提升现有员工的能力,比如全民开发的新潮流,一种无代码开发的新范式。

全民开发不需要编程能力,却可以设计、开发应用并部署到生产环境中,就像经验丰富的程序员一样。全民开发的趋势是无代码平台所推动的,无代码平台提供的是可视化的界面和拖拉拽的工具,用户在没有编程基础的情况下也可以创建应用。

无代码降低了人们的参与门槛,可以在数字化转型中发挥更大作用。而AI在应用开发中有许多应用场景,包括生成代码、测试和调试。如果将无代码和AI融合的话,企业和个人可以更轻松地搭建应用。同时AI可以还可以用了提升无代码平台的能力,帮助他们识别并修复潜在的问题和漏洞。

AI和无代码的应用场景非常广泛,比如客户服务、金融、医疗、物流等。

譬如可以用无代码平台开发AI支持的聊天机器人,为网站访问者提供即时客户服务;利用无代码平台创建财务报告或医疗应用,帮助医生和患者高效地管理健康情况,有效地管理患者的就医流程。

无可否认,AI有着巨大潜力,但也有其局限性。即使这些局限性并非无法克服,却也凸显了继续进行教育、研究和开发的必要性,以确保AI能够在千行百业高效应用,将是属于全民开发的新时代。

作者:Noel Carroll

Noel Carroll是戈尔韦大学大学商业信息系统的副教授,同时也是全民开发实验室的创始人。

相关文章
|
1天前
|
人工智能 小程序
【一步步开发AI运动小程序】十五、AI运动识别中,如何判断人体站位的远近?
【云智AI运动识别小程序插件】提供人体、运动及姿态检测的AI能力,无需后台支持,具有快速、体验好、易集成等特点。本文介绍如何利用插件判断人体与摄像头的远近,确保人体图像在帧内的比例适中,以优化识别效果。通过`whole`检测规则,分别实现人体过近和过远的判断,并给出相应示例代码。
|
14天前
|
人工智能 小程序 IDE
【一步步开发AI运动小程序】九、姿态辅助调试桌面工具的使用
随着AI技术的发展,各大厂商推出的AI运动APP如“乐动力”、“天天跳绳”等,使云上运动会、线上健身等概念大热。本文将指导你如何利用“云智AI运动识别小程序插件”,在微信小程序中实现类似功能,包括工具搭建、服务启动及数据回传等步骤,助力开发者高效开发AI运动小程序。
【一步步开发AI运动小程序】九、姿态辅助调试桌面工具的使用
|
6天前
|
人工智能 小程序 API
【一步步开发AI运动小程序】十三、自定义一个运动分析器,实现计时计数02
本文介绍如何利用“云智AI运动识别小程序插件”开发AI运动小程序,详细解析了俯卧撑动作的检测规则构建与执行流程,涵盖卧撑和撑卧两个姿态的识别规则,以及如何通过继承`sports.SportBase`类实现运动分析器,适用于小程序开发者。
|
6天前
|
人工智能 小程序 API
【一步步开发AI运动小程序】十二、自定义一个运动分析器,实现计时计数01
随着AI技术的发展,AI运动APP如雨后春笋般涌现,如“乐动力”、“天天跳绳”等,推动了云上运动会、线上健身等热潮。本文将指导你从零开始开发一个AI运动小程序,利用“云智AI运动识别小程序插件”,介绍运动识别原理、计量方式及运动分析器基类的使用,帮助你在小程序中实现运动计时和计数功能。下篇将继续探讨运动姿态检测规则的编写。
|
17天前
|
人工智能 JSON 小程序
【一步步开发AI运动小程序】八、利用body-calc进行姿态识别
随着AI技术的发展,各大厂商推出的如“乐动力”、“天天跳绳”等AI运动APP,使得云上运动会、线上健身等概念风靡一时。本文将引导读者从零开始开发一个AI运动小程序,使用“云智AI运动识别小程序插件”,介绍人体姿态检测规则、规则编写语法、执行检测规则运算及姿态检测实战等内容,助力开发者轻松实现AI运动小程序的开发。
【一步步开发AI运动小程序】八、利用body-calc进行姿态识别
|
8天前
|
数据采集 人工智能 小程序
【一步步开发AI运动小程序】十、姿态动作相似度比较
本文介绍如何利用“云智AI运动识别小程序插件”开发AI运动小程序,重点讲解姿态动作相似度比较功能的运用,包括样本动作帧的采集和姿态相似度的计算方法,以及在组合运动中的应用实例。
|
2天前
|
人工智能 小程序 JavaScript
【一步步开发AI运动小程序】十四、主包超出2M大小限制,如何将插件分包发布?
本文介绍了如何从零开始开发一个AI运动小程序,重点讲解了通过分包技术解决程序包超过2M限制的问题。详细步骤包括在uni-app中创建分包、配置`manifest.json`和`pages.json`文件,并提供了分包前后代码大小对比,帮助开发者高效实现AI运动功能。
|
7天前
|
人工智能 小程序 开发者
【一步步开发AI运动小程序】十一、人体关键点跳跃追踪
本文介绍如何利用“云智AI运动识别小程序插件”开发AI运动小程序,涵盖云上运动会、健身打卡等热门应用场景。通过示例代码展示如何调用插件功能,实现动作追踪与分析,助力开发者快速上手。
|
7天前
|
存储 人工智能 并行计算
【AI系统】算子开发编程语言 Ascend C
本文详细介绍了昇腾算子开发编程语言 Ascend C,旨在帮助开发者高效完成算子开发与模型调优。Ascend C 原生支持 C/C++标准,通过多层接口抽象、自动并行计算等技术,简化开发流程,提高开发效率。文章还探讨了并行计算的基本原理及大模型并行加速策略,结合 Ascend C 的 SPMD 编程模型和流水线编程范式,为读者提供了深入理解并行计算和 AI 开发的重要工具和方法。
22 2
|
17天前
|
人工智能 小程序 搜索推荐
uni app下开发AI运动小程序解决方案
本文介绍了在小程序中实现AI运动识别的解决方案。该方案依托于UNI平台,通过高效便捷的插件形式,实现包括相机抽帧控制、人体识别、姿态识别等在内的多项功能,无需依赖后台服务器,大幅提高识别效率和用户体验。方案内置多种运动模式,支持自定义扩展,适用于AI健身、云上赛事、AI体测等多场景,适合新开发和存量改造项目。